Pular para o conteúdo principal

Questão de Estatística — Análise Multivariada — CESPE / CEBRASPE 2025

EstatísticaAnálise Multivariada
Código
ce202073
Banca
CESPE / CEBRASPE
Órgão
EMBRAPA
Ano
2025
Nível
Superior
Cargo
Pesquisador – Área: Gestão da Informação – Subárea: Engenharia de Dados
Acerca de técnicas utilizadas na ciência de dados, julgue o item a seguir.A PCA (análise de componentes principais) é uma técnica que transforma variáveis correlacionadas em componentes principais ortogonais, o que permite a redução da dimensionalidade dos dados; a seleção dos componentes principais é realizada com base na variância explicada por cada componente.
  1. CCerto
  2. EErrado
Revelar gabarito e comentário

GabaritoC — Certo

Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.

Análise de Componentes Principais (PCA)

✅ CERTO. A afirmação está correta: a PCA transforma variáveis correlacionadas em componentes principais ortogonais, permitindo reduzir a dimensionalidade, e a seleção dos componentes é feita com base na variância explicada. Esse é exatamente o objetivo da técnica, conforme o conceito clássico de análise multivariada.

A PCA é uma técnica descritiva e exploratória, não preditiva. Ela busca encontrar combinações lineares das variáveis originais que capturem o máximo de variabilidade dos dados. Cada componente principal é uma combinação linear das variáveis originais, e os componentes são ortogonais entre si (não correlacionados). O primeiro componente concentra a maior variância possível; o segundo, a maior variância restante, e assim por diante.

A redução de dimensionalidade ocorre porque, em geral, poucos componentes conseguem explicar grande parte da variância total. A seleção de quantos componentes reter é feita justamente pela variância explicada — seja por um critério como o de Kaiser (autovalores > 1), seja pelo percentual acumulado de variância explicada (ex.: reter componentes até atingir 80% ou 90%).

A pegadinha que a banca poderia explorar é confundir PCA com técnicas preditivas (como regressão) ou com análise fatorial. A PCA não prevê valores futuros; ela apenas reorganiza a informação. Mas aqui a afirmação está precisa e correta.

  1. 1Variáveis correlacionadas
  2. 2Combinações lineares
  3. 3Componentes ortogonais
  4. 4Variância explicada
  5. 5Redução de dimensionalidade
LEVEL · soulevel.com.br

Alternativa C — ✅ Correta ⟵ GABARITO

A assertiva descreve com exatidão o funcionamento da PCA: transformar variáveis correlacionadas em componentes ortogonais (não correlacionados) e usar a variância explicada como critério de seleção. Isso está alinhado com a definição clássica da técnica, como visto no material de apoio: a PCA é descritiva/exploratória, reduz a dimensionalidade e organiza a informação com base na variabilidade.

Gabarito: letra C (CERTO).

Link permanente: /questoes/ce202073